Modelagem do crescimento e produção em povoamento de eucalipto utilizando máquina de vetor de suporte e redes neurais artificiais

Márcio Assis Cordeiro

Defesa Pública: 11 de março de 2021

Banca Examinadora:

Prof. Dr. Alexandre Behling– UFPR – Primeiro Examinador
Profª. Dra. Andrea Nogueira Dias – UNICENTRO – Segunda Examinadora
Prof. Dr. Julio Eduardo Arce – UFPR/UNICENTRO – Orientador e Presidente da Banca Examinadora

Resumo:

Este estudo teve por objetivo avaliar o desempenho de redes neurais artificiais (RNAs) e máquinas de vetor de suporte (MVS) na modelagem de variáveis dendrométricas em povoamentos de eucalipto. Os dados utilizados são oriundos de plantios comerciais não desbastados, localizados em quatro municípios localizados da mesorregião sul do estado do Amapá e foram disponibilizados pela empresa AmcelAmapá florestal e celulose S/A. São provenientes de parcelas permanentes, parcelas temporárias e inventário pré-corte, com idades variando entre 22 e 88 meses. Foram ajustados modelos hipsométricos, volumétricos e de crescimento e produção consagrados na literatura, e comparados com a técnica de máquina de vetor de suporte e de redes neurais artificiais. Para cada tipo de modelagem, os dados foram divididos aleatoriamente em dois grupos, 80% dos dados para ajuste/treinamento e 20% para validação/generalização dos mesmos. As mesmas variáveis dendrométricas utilizadas pelos modelos de regressão, foram utilizadas pelas MVS e RNA. Para o treinamento e generalização das máquinas de vetor de suporte (MVS), foram utilizadas quatro configurações, formadas a partir de duas funções de erro e duas funções de kernel. Para configuração, treinamento e generalização das RNAs, foi utilizado o software Neuro 4.0, no qual foram utilizadas configurações de redes do tipo Adaline (Adaptive Linear Element); Multilayer Perceptron (MLP) e Funções de Base Radial (Radial Basis Function-RBF). Antecedendo a modelagem do crescimento e produção, foi realizado o ajuste das curvas de sítio e a classificação da capacidade produtiva, pelo método da curvaguia. Para tal foram avaliados dois modelos não lineares e, em seguida foi avaliada a estabilidade das curvas de sítio nas parcelas que tiveram mais de três medições. Na modelagem do crescimento e produção, utilizou-se o índice de sítio estimado pela equação selecionada. A qualidade dos ajustes dos modelos de regressão, e das metodologias utilizando RNAs e MVS, foram avaliadas utilizando-se o coeficiente de correlação entre os valores observados e estimados (ryŷ), a raiz quadrada do erro médio, expresso em porcentagem da média (RMSE%), análise gráfica dos resíduos (Res%). Máquinas de vetor de suporte e redes neurais artificiais apresentaram bom desempenho nas estimativas de altura, volume individual e nas projeções de área basal e volume por hectare, demonstrando serem técnicas promissoras para aplicações na área de mensuração e manejo florestal.